基于全局卷积神经网络的复杂图像语义分割方法

作者：张丹; 柳爽; 张晓娜; 时光; 刘京

来源：舰船电子工程, 2021, 41(01): 82-88.

• 语义分割
• 欠分割
• 过分割
• 深度卷积神经网络
• 空间金字塔池化
• 注意力机制

语义分割的场景图像易受不同光照强度以及类别多样性的影响,尤其是在复杂的图像分割任务中,由于不同物体间的像素值差异过大或过小,造成分割图像的纹理和几何特征缺失,即产生欠分割、过分割现象。针对上述问题,利用深度卷积神经网络,研究基于全局卷积神经网络的复杂图像语义分割方法。首先,提出多尺度残差空间金字塔池化模块,在网络中获取到更加稠密和完备的图像低层特征[1];其次,网络考虑全局信息,提出基于注意力机制的解码器模块,有效捕获图像像素的纹理特征、颜色特征和上下文信息,从而得到完整的分割结果。该方法在Camvid数据集上分割精确度达68.5%(MIoU)且在Cityscapes数据集上分割精度达78.3%。

• 单位
  中国人民解放军海军大连舰艇学院; 河北师范大学